Asimetría y curtosis

En los dos temas anteriores hemos visto las medidas de

tendencia central y las medidas de variabilidad o dispersión.
Si bien la obtención de tales medidas es clave para describir
una muestra y efectuar inferencias sobre la población de origen,
es también fundamental saber obtener una caracterización
adecuada de los datos.

OSMAR FERNANDEZ
 Asimetría
Si bien es fácil tener una idea de si la distribución es simétrica o no
tras ver la representación gráfica (p.e., un histograma o un diagrama
de caja y bigotes), es importante cuantificar la posible asimetría de
una distribución.

Recordemos que cuando la distribución de los datos es simétrica, la

media, la mediana y la moda coinciden. (Y la distribución tiene la
misma forma a la izquierda y la derecha del centro)

Si bien muchas distribuciones psicológicas se asume que tienden a

ser simétricas y unimodales, en muchos casos la distribución que
encontramos es asimétrica (v.g., las distribuciones de los Tiempos de
Reacción en casi cualquier tarea es asimétrica positivo).

OSMAR FERNANDEZ
 Asimetría positiva Examen difícil
Salarios
Tiempos de Reacción

Moda Media
Mediana

Examen fácil
Asimetría negativa

Media Moda
Mediana
OSMAR FERNANDEZ
OSMAR FERNANDEZ
 Índices de asimetría
1. Índice de asimetría de Pearson

Muy sencillo de calcular. Está basado en la relación entre la media y la

moda en distribuciones simétricas y asimétricas:

X  Mo
As 
sx

Si la distribución es simétrica As será 0

Si la distribución es asimétrica positiva, As será mayor que 0
Si la distribución es asimétrica negativa, As será menor que 0

OSMAR FERNANDEZ
 Índices de asimetría
2. Índice de asimetría de Fisher

Está basado en la diferencia de los datos sobre la media, como la

varianza, si bien esta vez se elevan los coeficientes al cubo
n

 i
( X  X ) 3
n
As  i 1
sx3

Si la distribución es simétrica As será 0

Si la distribución es asimétrica positiva, As será mayor que 0
Si la distribución es asimétrica negativa, As será menor que 0

Desventaja: Muy influida por puntuaciones atípicas (ya lo volveremos a

comentar en el último punto de este tema).

OSMAR FERNANDEZ
 Curtosis o apuntamiento

Hace referencia al apuntamiento de la distribución en relación a un

estándar, que es la distribución normal.

Este estándar es la distribución normal: distribución mesocúrtica.

Si la distribución es más apuntada que la distribución normal tenemos
una distribución leptocúrtica.
Si la distribución es más achatada que la distribución normal tenemos
una distribución platicúrtica.

OSMAR FERNANDEZ
OSMAR FERNANDEZ
 Curtosis o apuntamiento
IMPORTANTE: Curtosis es independiente de la variabilidad (en el
sentido de “varianza”).

Es decir, no es que una distribución leptocúrtica tenga menos varianza

y por eso es más apuntada.

Una distribución leptocúrtica es muy apuntada en el centro (más que la

normal), decae muy rápidamente en un primer momento, pero en los
extremos es algo más alta que la distribución normal.

Eso quiere decir que una distribución leptocúrtica es más probable que
ofrezca más valores extremos que la distribución normal.

OSMAR FERNANDEZ
 Ejemplo de curtosis (dist. Mesocúrtica)

1200

1000

800

600

400

200 Desv. típ. = 1.01

Media = -.00
0 N = 10000.00
-3
-3 5
-2 5
-2 5
-1 5
-1 5

1.
1.
2.
2.
3.
3.
4.
-.7 5
-.2
.2
.7
.7
.2
.7
.2
.7
.2

25
75
25
75
25
75
25
5
5
5
5

OSMAR FERNANDEZ
NORMAL
Índice de curtosis (veremos un solo índice)
Para una distribución normal (mesocúrtica) sabemos que
n

(X i  X )4 n
i 1
4
3
s x

Y esta va a ser la referencia para el índice de curtosis que vamos a

emplear
n

 i
( X  X ) 4
n
C r i 1
4
3
s x

Si la distribución es normal (mesocúrtica), el índice vale 0

Si la distribución es leptocúrtica, el índice es superior a 0
Si la distribución es platicúrtica, el índice es inferior a 0

OSMAR FERNANDEZ
 Más ejemplos de curtosis

OSMAR FERNANDEZ